一种利用大模型优化扫描件内容识别质量的方法与框架

本发明涉及人工智能技术领域，尤其涉及一种利用大模型优化扫描件内容识别质量的方法与框架。本发明包括文档图像分析与处理、文字提取与格式化以及利用大模型进行基于上下文的OCR矫正。本发明的目的在于提供一种利用大模型优化扫描件内容识别质量的方法与框架，结合了视觉模型和文本模型等大型语言模型的强大功能，实现了对文档内容和布局的深度理解，精准分析文档布局，识别文本块、表格、图像等不同元素，结合视觉模型的分析结果，将文档内容转换成优美流畅的Markdown格式，并保留文档的原始布局。